Page 98 - 《中国药房》2026年4期

表1 触发器条目及纳入患者的阳性检出情况 2.5 SAR预测模型
阳性触发 ADR对应的 阳性预测值/ 2.5.1 统一特征集
类别 编号 触发器条目
频次 阳性触发频次 % 本研究通过 Boruta 算法从训练集中共筛选出候选
实验室指标 LI 血红蛋白＜90 g/L 200 58 29.00 特征变量 7 个，分别为血钾、红细胞压积、白/球蛋白比
L2 中性粒细胞百分比＜40% 89 80 89.89
L3 肾小球滤过率＜47 mL/（min·1.73 m） 50 33 66.00 值、前白蛋白、既往高血压史、年龄、红细胞计数，将其作
2
L4 促甲状腺激素＜0.33 mU/L或总甲状腺素＞224 nmol/L 302 16 5.30 为后续危险/保护因素识别和机器学习预测模型及列线
L5 促甲状腺激素＞8.6 mU/L或总甲状腺素＜45 nmol/L 406 28 6.90 图构建的统一特征集。结果见图1。
L6 天冬氨酸转氨酶或丙氨酸转氨酶＞2倍ULN或碱性磷 83 73 87.95
特征保留判断
酸酶和总胆红素同时升高，其中任一项＞2倍ULN 保留变量
L7 高敏肌钙蛋白＞14 ng/L 38 0 0 15 虚拟变量最大值
L8 尿酸＞420 μmol/L 140 123 87.86 虚拟变量平均值
虚拟变量最小值
9
L9 血小板计数＜125×10 L －1 275 85 30.91 10
L10 尿蛋白阳性 344 84 24.42 特征重要性
L11 B型钠尿肽前体＞100 pg/mL 13 11 84.62 5
L12 血钙＜2.11 mmol/L 104 62 59.62
L13 血钙＞2.52 mmol/L 47 28 59.57
0
L14 血钾＜3.2 mmol/L 136 110 80.88
L15 血钠＜136 mmol/L 191 182 95.29
L16 空腹葡萄糖≥6.11 mmol/L 78 57 73.08
Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ Ⅵ Ⅶ Ⅷ Ⅸ Ⅹ
L17 白细胞计数＜3.5×10 L －1 403 291 72.21 虚拟变量与特征变量
9
临床表现 S1 乏力 701 107 15.26 Ⅰ：虚拟变量最小值；Ⅱ：虚拟变量平均值；Ⅲ：虚拟变量最大值；
S2 咳嗽 482 56 11.62 Ⅳ：红细胞计数；Ⅴ：年龄；Ⅵ：既往高血压史；Ⅶ：前白蛋白；Ⅷ：白/球
S3 上呼吸道感染 63 12 19.05
蛋白比值；Ⅸ：红细胞压积；Ⅹ：血钾。
S4 腹腔感染 7 1 14.29
S5 肺部感染 130 13 10.00 图1 Boruta算法确定的候选特征变量的箱线图
S6 便秘 － － － 2.5.2 危险/保护因素
S7 纳差 － － － 多因素Logistic回归分析结果（表3）显示，血钾水平
S8 恶心/呕吐 － － －
S9 电解质紊乱 82 29 35.37 升高与贝伐珠单抗致 SAR 风险降低相关（OR＝0.234，
S10 低蛋白血症 143 42 29.37 P＝0.002），为保护因素（患者血钾升高 1 mmol/L，SAR
S11 手足综合征 － － － 风险降低76.6%）；既往高血压史（OR＝2.642，P＝0.006）
S12 皮炎/瘙痒 － － － 和年龄增加（OR＝1.040，P＝0.025）与贝伐珠单抗致
S13 头晕 26 7 26.92
S14 头痛 106 11 10.38 SAR 风险升高有关，为危险因素（有既往高血压史者的
S15 腰痛 － － － SAR 风险是无高血压史者的 2.642 倍；患者年龄增加 1
S16 关节炎 － － － 岁，SAR 风险增加 4.0%）；而红细胞压积、白/球蛋白比
S17 骨髓抑制 1 063 480 45.16 值、前白蛋白、红细胞计数与贝伐珠单抗致 SAR 的发生
S18 贫血 988 139 14.07
S19 高血压 702 27 3.85 无关（P＞0.05）。
S20 出血 1 226 41 3.34 表3 贝伐珠单抗致SAR发生风险的多因素Logistic回
干预措施 A1 亚叶酸钙 156 26 16.67 归分析结果
A2 人血白蛋白 35 10 28.57
A3 地榆升白片 256 42 16.41 特征变量 回归系数 OR 95%置信区间 P
A4 甲氧氯普胺 670 80 11.94 血钾 －1.451 0.234 0.093～0.568 0.002
既往高血压史 0.972 2.642 1.328～5.294 0.006
A5 多潘立酮 5 2 40.00
A6 昂丹司琼 449 79 17.59 年龄 0.039 1.040 1.006～1.077 0.025
A7 复方甘草酸苷 244 49 20.08 红细胞压积 －0.091 0.913 0.818～1.017 0.099
A8 异甘草酸镁 128 10 7.81 白/球蛋白比值 －1.093 0.335 0.067～1.548 0.171
前白蛋白 －0.004 0.996 0.989～1.002 0.186
注：阳性预测值＝ADR对应的阳性触发频次/阳性触发频次×
红细胞计数 －0.182 0.833 0.362～1.854 0.661
100%；ULN为正常值上限；“－”为已剔除条目。
注：除既往高血压史为二分类变量（有＝1，无＝0）外，其余变量均
表2 ADR累及系统/器官分布情况 为连续变量（取实际测量值）；OR：比值比。
累及系统/器官 临床表现（例次） 总例次 占比/% 2.5.3 机器学习模型
血液系统 骨髓抑制（480）、贫血（139） 619 64.15 本研究以“2.5.2”项下所得的7个候选特征变量为基
全身性症状 乏力（107） 107 11.09 础 ，分别构建Logistic回归、XGBoost、LightGBM、随机
[16]
代谢及营养系统 低蛋白血症（42）、电解质紊乱（29） 71 7.36
心血管系统 出血（41）、高血压（27） 68 7.05 森林、CatBoost预测模型，并在测试集上开展性能评估，
呼吸系统 咳嗽（56） 56 5.80 结果（图2、表4）显示，各模型的AUC为0.721～0.761，处
感染类 肺部感染（13）、呼吸道感染（12）、腹腔感染（1） 26 2.69 于可接受水平，提示不同算法构建的模型均具有可接受
神经系统 头痛（11）、头晕（7） 18 1.87 的区分度，且整体预测表现较为稳定 ；其中，Logistic回
[17]

· 500 · China Pharmacy 2026 Vol. 37 No. 4 中国药房 2026年第37卷第4期